信息输出方法和装置制造方法及图纸

本申请实施例公开了信息输出方法和装置。该方法的一具体实施方式包括：获取当前订单的订单数据；从当前订单的订单数据中提取当前订单的特征向量，其中，当前订单的特征向量用于描述当前订单的特征；将当前订单的特征向量输入至预先训练的出单时长预估模型，得到当前订单的出单时长，其中，出单时长预估模型用于表征特征向量与出单时长的对应关系；输出当前订单的出单时长。该实施方式提高了出单时长的预估准确率。

Information output methods and devices

An information output method and device are disclosed in the present application embodiment. One embodiment of the method includes: order data to obtain the current order; the feature extraction, the order from the order in which the data of the order, the order of the feature vector is used to describe the characteristics of the current order; the current order feature vector is input to the pre training out of a single long prediction model, get the current order out of a single long, long out of a single prediction model for characterizing feature vector and the corresponding relation between the length of a single output; current order out of a single long. The implementation method improves the prediction accuracy of the single length.

【技术实现步骤摘要】
信息输出方法和装置
本申请涉及计算机
，具体涉及互联网
，尤其涉及信息输出方法和装置。
技术介绍
随着互联网以及移动互联网的快速发展，电子商务应用也得到了飞速发展。尤其是外卖网站，其改变了传统电话订购外卖服务的模式，可以提供免费、方便、快捷、自主的信息，帮助用户找到合适自己的外卖服务。合理地规划配送路线可以提高订单配送效率，从而提高外卖订单的配送准时率，有助于提高用户的体验。预估订单的出单时长有助于配送人员合理地规划配送路线，从而提高订单配送效率。然而，现有的出单时长预估方式通常是将商家的平均出单时长作为该商家的所有订单的出单时长，并不考虑不同订单之间的差异，导致出单时长的预估准确率较低。
技术实现思路
本申请实施例的目的在于提出一种改进的信息输出方法和装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请实施例提供了A1、一种信息输出方法，该方法包括：获取当前订单的订单数据；从当前订单的订单数据中提取当前订单的特征向量，其中，当前订单的特征向量用于描述当前订单的特征；将当前订单的特征向量输入至预先训练的出单时长预估模型，得到当前订单的出单时长，其中，出单时长预估模型用本文档来自技高网...

【技术保护点】
一种信息输出方法，其特征在于，所述方法包括：获取当前订单的订单数据；从所述当前订单的订单数据中提取所述当前订单的特征向量，其中，所述当前订单的特征向量用于描述所述当前订单的特征；将所述当前订单的特征向量输入至预先训练的出单时长预估模型，得到所述当前订单的出单时长，其中，所述出单时长预估模型用于表征特征向量与出单时长的对应关系；输出所述当前订单的出单时长。

【技术特征摘要】
1.一种信息输出方法，其特征在于，所述方法包括：获取当前订单的订单数据；从所述当前订单的订单数据中提取所述当前订单的特征向量，其中，所述当前订单的特征向量用于描述所述当前订单的特征；将所述当前订单的特征向量输入至预先训练的出单时长预估模型，得到所述当前订单的出单时长，其中，所述出单时长预估模型用于表征特征向量与出单时长的对应关系；输出所述当前订单的出单时长。2.根据权利要求1所述的方法，其特征在于，所述方法还包括训练出单时长预估模型的步骤，所述训练出单时长预估模型的步骤包括：获取样本订单的特征向量和样本订单的出单时长；将所述样本订单的特征向量作为输入，将所述样本订单的出单时长作为输出，训练得到出单时长预估模型。3.根据权利要求2所述的方法，其特征在于，所述将所述样本订单的特征向量作为输入，将所述样本订单的出单时长作为输出，训练得到出单时长预估模型，包括：执行以下训练步骤：将所述样本订单的特征向量输入至深层神经网络，得到所述样本订单的预估出单时长，利用所述样本订单的预估出单时长和所述样本订单的出单时长，确定所述深层神经网络的预估准确率，若所述预估准确率大于预设准确率阈值，则将所述深层神经网络作为所述出单时长预估模型；响应于确定所述预估准确率不大于预设准确率阈值，调整所述深层神经网络的参数，并继续执行所述训练步骤。4.根据权利要求2所述的方法，其特征在于，所述获取样本订单的特征向量和样本订单的出单时长，包括：获取第一历史订单的订单数据和出单时长；从所述第一历史订单的订单数据中提取所述第一历史订单的特征向量作为样本订单的特征向量，其中，所述样本订单的特征向量用于描述所述第一历史订单的特征；获取所述第一历史订单的出单类别，其中，所述出单类别包括第一类别和第二类别，第一类别用于表征在订单的配送资源到达订单所属商家之后订单未出单的情况，第二类别用于表征在订单的配送资源到达订单所属商家之前订单已出单的情况；若所述第一历史订单的出单类别是所述第一类别，则将所述第一历史订单的出单时长作为样本订单的出单时长。5.根据权利要求4所述的方法，其特征在于，所述获取样本订单的特征向量和样本订单的出单时长，还包括：若所述第一历史订单的出单类别是所述第二类别，则获取所述第一历史订单所对应的第一...

【专利技术属性】
技术研发人员：饶佳佳，徐明泉，黄绍建，咸珂，陈进清，杨秋源，裴松年，涂丽佳，
申请(专利权)人：北京小度信息科技有限公司，
类型：发明
国别省市：北京,11